关键词： 目标检测   遥感图像   文生地图  

摘要： 本文提出了一种识别遥感图像中的特定区域,计算其实际空间区域并自动入库的方法。该方法首先利用YOLOv5识别目标像素,然后通过仿射矩阵转化为空间坐标,最后利用数字高程模型依据连续性归并,输出具有特定含义的地块空间坐标数据。实验分析表明,该方法具有替代人工数据处理的应用前景。

关键词： 信息化   预制叠合板   机器视觉   图像处理   检测  

摘要： 装配式建筑采用工业化生产、装配化施工,具有施工效率高、节能环保等特点,受到国家的大力扶持,而预制叠合板作为预制率、装配率高的预制构件,其质量优劣关系整个工程。预制叠合板在生产过程中存在一些问题,如混凝土浇筑前的隐蔽验收工作采用人工检查方法,人工投入量大,质量检测水平和效率低,容易漏检、错检,严重制约了混凝土叠合板生产效率。以预制叠合板为研究对象,开展图像畸变校正算法与数据增强算法研究,研究改进YOLOv7预制叠合板精准识别算法、钢筋排布和间距识别方法,开发了一套基于机器视觉的预制叠合板智能检测控制系统。系统可对叠合板尺寸误差、预埋件位置及数量进行智能评估,从而减少质检人员投入,提高生产效率和产品合格率。

关键词： 红外小目标   目标检测   人类视觉系统   双邻域窗口  

摘要： 为降低复杂背景中的干扰杂波对红外小目标检测的影响,提出一种双邻域局部权重对比度算法。首先,考虑到不同尺寸的红外小目标的背景特性,采用双邻域窗口策略有效捕捉目标与背景特性。其次,分别计算方向信息特征图和权重系数增强图,前者充分利用目标的弥散方向信息,后者结合区域灰度响应强度及离散程度生成权重信息,两者结合生成目标显著图。最后,采用自适应阈值分割从目标显著图中提取目标。在4组不同背景的公开数据集上与6种算法进行了比较,所提出的算法具备较强的抗干扰能力和准确的检测性能。

关键词： 数据增强   稳定扩撒   图像生成   目标检测   特征融合  

摘要： 针对传统生成式图像数据增强算法丢失3D属性信息,无法应用于自动驾驶领域3D目标检测任务的问题,提出了一种基于稳定扩散模型的多模态图像生成算法,并基于该算法设计了一种面向3D目标检测的数据增强方法。算法通过增加多模态输入进一步约束图像的生成过程。算法设计了一种多模态特征在线生成模块,在线提取场景描述、语义分布和深度特征等信息;同时针对多模态特征融合网络设计了一种增强型门控自注意力模块,精准地捕捉潜在特征空间中的深度信息,从而保留图像的3D属性信息,实现对图像纹理、颜色以及光照等2D特征的针对性修改。基于算法出色的深度保持特性,将新图像与3D伪标签结合,构成新的图像样本,实现对图像样本的数据增强。在nuScenes公开数据集上3D检测结果表明,算法针对公交车、卡车等体积较大类别的3D属性保留效果较好,AP值分别提高了17.2%和14.1%,同时mAP提高了6.8%,NDS提高了3.4%。

关键词： 可计算感知   智能教育   计算机视觉   自然语言处理   物联网   虚拟现实  

摘要： 随着教育技术的进步和发展,以深度学习、机器学习、虚拟现实、物联网为代表的可计算感知技术在以人为本的教育中的应用愈发广泛,同时也是赋能教育发展变革的关键力量之一。然而,目前对于可计算感知技术在智能教育中的应用还知之甚少。以面部表情、语音、文本、眼动、触觉、生理信号等可感知的物理及虚拟空间中可感知数据为基础,对当前公开发表的期刊文献和会议论文进行筛选和统计,系统分析了智能教育中可计算感知技术的进展与应用,并提出了其对教育实践的潜在影响和挑战。最后,基于结论对智能教育中可计算感知技术的未来发展方向展开了前瞻讨论。

关键词： YOLOv3   计算机视觉   人脸识别   注意力机制  

摘要： 本文基于YOLOv3(You Only Look Once Version 3)模型提出一种人脸检测方法,旨在提高人脸识别的准确性和效率。本论文基于YOLOv3模型,不仅采用深度学习和图像处理技术,还结合了深度卷积神经网络和目标检测算法,致力于高效、快速地进行人脸目标的准确识别。通过对多个公开的人脸检测数据集进行严格测试和性能比较验证,实验结果显示,本文方法在精准识别人脸上表现良好,精确率和召回率较高。

关键词： 目标检测   Yolov5   SAHI   无人机航拍   飞鸟检测  

摘要： 目标检测是计算机视觉领域的核心任务,而针对小目标的检测一直以来都是一项具有挑战性的问题。传统的Yolov5模型在无人机视频中对飞鸟这种小目标的检测存在一定的局限性,因为小目标的细节信息在图像数据中难以捕捉。为了提高飞鸟检测的准确度,本文引入了SAHI技术,即切片辅助推理方法,通过将SAHI技术与Yolov5m模型融合,旨在增强飞鸟这种小目标的特征表示能力,从而提高其在无人机视频中的检测效果。实验结果表明,与传统的Yolov5m模型相比,该设计在无人机航拍视频中展现出更强的小目标检测能力,能够有效地应对飞鸟这类小目标的挑战。这一研究为电力场景下无人机航拍视频中的飞鸟检测提供了更准确、鲁棒的解决方案,具有实际应用的潜力。

关键词： 自然语言处理   人工智能系统   机器学习   图像处理   语言识别   技术解决方案   多模态   养老服务  

摘要： 引言:高质量养老服务发展呼唤AGI机器人AGI又称多模态人工智能,即通用人工智能(Artificial General Intelligence),是指一种像人类一样思考、学习和执行任务的AI工具,它与专门领域的人工智能,例如语言识别、图像处理、自然语言处理等人工智能系统有所区别,它从不同来源获取信息,进行机器学习,像人类一样推理和决策,具有通用性、灵活性、适应性等特征,能够在多种环境下执行任务,是全面的智能系统。

关键词： 创新实验   检影验光   图像处理   学科交叉   教育技术  

摘要： 在高等教育创新型人才培养的背景下,学科交叉融合和开放性创新实验成为创新型人才培养的途径。以检影验光过程的数字化和智能化为对象,探索“医-工融合”开放性创新实验教学的建设架构和实施路线。通过可行性分析,实验架构搭建、教学文档整合、教学资源建设、师资队伍优化、考核评价体系重构等措施,构建了面向学生创新能力培养的实验教学项目,为“医-工融合类”实验教学建设和人才培养提供了参考。

关键词： 玉米田   杂草   目标检测   YOLO v8n   EMA注意力机制  

摘要： 针对3~5叶期玉米田间伴生杂草目标尺度小、玉米叶片遮挡严重、田间自然环境复杂等导致检测精度不高的问题,提出了一种基于改进YOLO v8n的玉米田间杂草检测算法。首先下载涵盖了黑麦草、芥菜、甘菊、藜麦等常见伴生杂草和玉米幼苗的图像,对图像进行翻转等数据增强方式增加样本多样性,提升模型识别和泛化能力。其次在YOLO v8n网络基础上,重新构建了轻量级跨尺度特征融合网络,增强模型多尺度特征融合能力,并输出一个针对小目标杂草的预测层,提升网络的检测精度。最后,在4个目标检测头前嵌入高效多尺度注意力机制EMA,使得检测头更加专注于目标区域。试验结果表明,本模型的平均精度均值提升了2.4百分点、杂草的平均精度提升了5.1百分点,模型内存用量和参数量分别减小了22.6%和26.0%;本模型与SSD-MobileNet v2、Efficientdet-D0及YOLO系列目标检测模型相比,平均精度均值至少提升了1.8百分点、识别杂草的平均精度至少提升了4.6百分点,并且模型内存用量和参数量都处在较低水平。本研究提出的玉米田间杂草检测模型在降低了模型内存用量和参数量的同时提高了检测精度,可为精准除草设备提供技术支持。